对于什么是P和NP问题，简单地说，P就是在多项式时间内可以解决的，比如你对这个程序的输入量为N，那么那可以在N^k（N的k次方）解决，并且k是一个固定的常数，而剩下的问题你暂且可以归为NP问题，当然这不是讨论NP等于P还是不等于P的问题，我只是想把NP问题的旅行商问题有一点点概率变成是P，为什么说是一点点概率，这只是我最初步的构想，我相信在不断定点优化遗传算法，一定可以在比较大的概率解决这个问题。
我们先来看看什么是旅行商问题：
一个售货员必须访问N个城市。如果把问题模型化一个具有N个顶点的完全图，就可以说这个售货员想做一次巡回旅行，或经过哈密顿回路，恰好访问每个城市一次，并最终回到了出发的城市。从城市i到城市j的费用记做C（i，j），当然了，旅行商希望整个旅行的费用最低。
哈密顿回路：
在一个无向图中，通过每个顶点一次的简单回路。
我们先考虑按照普通的方法，首先，我想大家都会考虑到贪心算法，是，贪心算法我曾经也考虑到过，但是，他有一个陷阱，你贪心的到底是什么？如果你贪心的是经过每条路径的费用，那么，你怎么确定你在到最后一个城市的时候在回去的费用也是最小的？如果你都要贪整体的费用，那么，递归调用会很适合，但是，这种的效率还是没有解决的，不是多项式的时间内可以解决的，如果你都要贪，那么，你该又如何权衡这两者的利弊？做人，还是不要太贪了！
但是，如果你要是用遗传算法，这个得到最优染色体的效率还不如贪心算法，但是，遗传算法的模拟生物进化才产生的，当然，抉择是交给大自然，如果你不符合大自然的条件，就会被淘汰，但是在算法中，我想，能不能人为的干预这种选择，就像农田一样，我们只要我们想要的，“杂草”是不会让你和粮食来分享化肥的，就好比不想要的基因，我们不会让你占用计算机的资源的！
目前还在思考，望此余生，可以解决这个NP问题，也不枉我在人世间走一趟！